Dense Transformer Network を用いた脳電子顕微鏡画像のセグメンテーション

現在の密度予測（dense prediction）に用いられるディープラーニング手法の核心的なアイデアは、各画素を中心とする規則的なパッチに対してモデルを適用し、画素単位の予測を行うことにある。しかしながら、これらの手法には限界があり、パッチの形状やサイズがネットワークアーキテクチャによって事前に決定されており、データから学習されるわけではない点にある。本研究では、データからパッチの形状とサイズを学習可能な「密度変換器ネットワーク（Dense Transformer Networks）」を提案する。本ネットワークはエンコーダ・デコーダ構造を採用し、エンコーダパスおよびデコーダパスの各段階に、一対の密度変換器モジュールを挿入している。本研究の新規性は、パッチの形状とサイズをデータから学習するための技術的解決策を提示するとともに、密度予測に不可欠な空間的対応関係を効率的に復元する手法を提供した点にある。提案する密度変換器モジュールは微分可能であり、全体のネットワークを端末から端末まで訓練可能である。本手法を生物学的画像セグメンテーションタスクに適用した結果、ベースライン手法と比較して優れた性能を達成したことが示された。